2回答
当在Python语言中对数据集执行主成分分析时，explained_variance_ratio_将向我们显示数据集中每个特征的不同方差。pcaObj = PCA<
浏览 0提问于2020-05-03得票数 0
1回答
我正在做PCA，我对哪些原始特征是最重要的感兴趣。-0.5]]pca = PCA(n_components=2)comps = pca.components_array([[ 0换句话说，对于第一个主成分，特征
浏览 4提问于2017-02-24得票数 7
1回答
我有4个标准的正常特征，我执行PCA。然后，我使用第一个主成分(与所有组件一起)。是否有可能先发制人地说，转换后的级数的最大值和最小值是多少？我想，如果我们假设原始的标准法线特征永远不会超过+/- 5，那么最终变换级数的最大值将是PCA系数之和为5？但是，在这种情况下，主成分分析系数是否可能是1，1，1，1？或者，对于PCA系数可以有某种限制吗？
浏览 0提问于2019-01-28得票数 2
1回答
PCA之后的最优特征选择技术？
、、、、
特别是，我的数据集包含100多个特征和近4000个实例，我希望执行降维技术，以避免过度拟合，因为数据中存在高噪声。对于这些任务，我通常使用经典的特征选择方法(过滤器、包装器、特征重要性)，但我最近读到了关于组合主成分分析(PCA) (在第一步中)，然后在转换后的数据集上进行特征选择的内容。我的问题是:在对我的数据执行PCA之后，是否有特定的特征选择方法应该使用？特
浏览 23提问于2020-07-11得票数 1
回答已采纳
1回答
然而，它完全不清楚(对我)，他们如何应用PCA降维数据。我的意思是，他们是否计算特征空间，一旦计算出来，就对其执行PCA？或者，在计算SIFT之后，他们只是对每一幅图像执行PCA，然后创建特征空间？这两套训练测试都应该这样做吗？对我来说，这是一个“明显是”的回答，但还不清楚。
我正在考虑从训练集创建特征空间，然后在其上运行PCA。然后，我可以利用训练集中的PCA系数来减少每幅图像的
浏览 6提问于2015-02-05得票数 0
1回答
PCA后提取了哪些特征？
、、、、
我正在尝试使用PCA提取特征。现在我从获得了一个StackExchange代码，如下所示，其中它选择了继PCA之后最相关的100个特性。现在，当我执行代码时，我发现特征值已经在第一个语句中排序。为什么我们需要按降序重新排序呢？我说的对吗？
最后一个问题是，我如何知道在PCA中提取的特征是什么？
浏览 2提问于2016-08-04得票数 1
回答已采纳
我知道特征选择可以帮助我删除可能贡献不大的特征。我知道PCA有助于将可能相关的特征减少为一个特征，从而降低维度。我知道归一化可以将特征转换成相同的尺度。这个逻辑正确吗<
浏览 0提问于2017-09-06得票数 14
回答已采纳
我一直在处理一个数据集，它的列是原始特征的PCA值，在R中。我是否可以使用其他特征选择方法，如PCA列上的boruta /随机森林，通过只考虑更重要的特征来进一步减少特征空间？
浏览 0提问于2017-05-14得票数 1
2回答
我已经尝试了我所知道的唯一没有监督的技术，PCA和Kernel (使用scikit学习库)，但是我没有看到使用这些技术的任何改进。也许这些只适用于分类问题？我还能尝试什么其他的技巧？
浏览 1提问于2016-08-09得票数 1
回答已采纳
1回答
我不确定我是否正确地应用了PCA！我有p个特征和n个观察值(实例)。我把它们放在恩智浦矩阵X中。我执行均值归一化并得到归一化矩阵B。我计算pxp协方差矩阵C=(1/(n-1))B*.B的特征值和特征向量，其中*表示共轭转置。
与降序特征值对应的特征向量在pxp矩阵E中。假设我想将属性的数量从p减少到k。我使用等式X_new=B.E_reduced，其中E_reduced是通过选择E的前k列产生的。以下是我的
浏览 3提问于2016-10-28得票数 0
2回答
用滑雪板管道选择变换
、、、、
因此，我目前正在处理一个数据集，我希望使用管道来选择转换。missed the imports just for brevity因此，我想要做的是，在使用其他方法(如XGBOOST )时，同时尝试StandardScaler、MinMaxScaler和MinMaxScaler。然后，我想尝试使用多项式特征，然后使用<e
浏览 0提问于2020-08-21得票数 0
回答已采纳
4回答
PCA优先还是归一化优先？
、、、、
标准化data -> PCA ->训练 PCA ->归一化PCA输出->训练 归一化数据-> PCA ->归一化PCA输出->训练 以上哪一项更正确，还是预处理数据的“标准化”方法？
浏览 473提问于2012-04-12得票数 23
回答已采纳
1回答
我不明白的是，在什么情况下PCA比简单地从模型中删除一些特性更好呢？如果我们的目标是获取低维数据，那么我们为什么不将那些相关的特征分组，并从每个组保留一个特征呢？
浏览 2提问于2015-11-19得票数 3
回答已采纳
首先，很抱歉问了一个可能是初学者的问题，但我不明白pca似乎和特征选择是一样的，但是当我在网上搜索时，它们似乎是不同的。人们通常说的是用于降维的PCA和用于特征选择的特征选择。那两个人不是也这么做的吗？减少属性/特征/维度的数量？请帮我理解一下。谢谢
浏览 0提问于2021-02-18得票数 0
回答已采纳
尝试将主成分分析(PCA)与支持向量机(SVM)相结合进行人脸识别。但我对简历感到困惑：：pca！根据计算特征向量和特征值的，首先计算数据的协方差矩阵，然后由协方差矩阵计算特征向量和特征值。那么cv::pca计算协方差矩阵本身？或者我们应该计算它并把它传递给cv::pca警员？从特征向量和特征值的维数来看，我猜它没有计算它们。我说的对吗<
浏览 2提问于2015-09-16得票数 1
回答已采纳
2回答
我目前正在使用PCA和ICA算法进行实验。我现在很乐意使用PCA来创建一组特征脸，选择最优的特征脸并重建一幅图像，我还可以使用PCA来执行人脸幻觉。到目前为止，我采取的步骤是，执行PCA，找到表示特征面的正交特征向量。目前正在耶鲁大学ORL和PIE数据库上进行实验%
浏览 2提问于2013-11-14得票数 4
1回答
使用sci-kit学习，我们可以根据累积方差图确定我们想要保留的特性的数量，如下所示pca.fit(dataset) # fit the dataset into pca model
pca.explained_variance_ratio # this attributevalue as b
浏览 1提问于2020-07-31得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
